基于对象特征的遥感数据自适应时空融合模型

发布时间：2021-02-01 04:47

　　随着遥感技术的发展,遥感影像越来越多地被应用到地球表面动态监测研究中。由于受成本控制,重访周期和频繁云污染,卫星平台荷载量有限和传感器研制瓶颈等因素影响,使得高时空分辨率遥感数据仍难以满足日益增长的应用需求。遥感数据时空融合是解决此类问题最为灵活、便捷、有效的途径。本研究基于现有时空融合理论与方法,将物候信息和地表空间结构信息引入时空融合算法,对ESTARFM算法进行改进,分别得到基于物候信息的时空融合算法和基于地表空间信息的时空融合算法,并将改进算法得到的结果与原始观测影像的结果进行对比分析,发现改进算法的精度比ESTARFM精度高。本研究不仅为改进遥感数据时空合算法提供新的思路,也为遥感数据时间序列分析提供数据支持。主要的研究内容和结论如下:（1）引入物候信息对ESTARFM算法进行改进,建立基于物候信息的时空融合算法来改变原算法中地物反射率是线性变化的假设。根据水稻物候期的不同,建立寻找相似像元的新规则,并计算中心像元的反射率。基于物候信息的时空融合算法融合的结果与ESTARFM方法的结果、原始观测影像进行对比分析发现,基于物候信息的时空融合算法比ESTARFM算法结果精度更高,... 

【文章来源】：中国地质大学(北京)北京市 211工程院校 教育部直属院校

【文章页数】：73 页

【学位级别】：硕士

【部分图文】：

图像数据融合基本方法

在执行 ESTARFM 算法前，需要对输入的数据进的不仅要消除大气条件、太阳高度角、传感器辐还要使不同源影像校正到同一投影坐标系和同样行过程可分为主要的四步：①寻找中心像元的相权重；③通过线性回归来计算相似像元的转换系的反射率。ESTARFM 算法的流程图如图 2-1 所

线性回归来计算相似像元转换系数口的每个相似像元，通过线性回归分析来获取它似像元的转换系数都可以通过基期（tm和 tn）两对算得到。但是，由于数据预处理不能完全去除云污使高低分辨率影像精确配准，只对单个相似像元计误差，所以充分利用邻域相似像元的信息来计算转率影像像元的光谱特征在改像元内具有一致性，所内，同一种地类的相似像元应该具有相同的转换系影像像元内对高低分辨率影像中的相似像元进行线。

【参考文献】：
期刊论文
[1]遥感高时空融合方法的研究进展及应用现状[J]. 刘建波,马勇,武易天,陈甫.  遥感学报. 2016(05)
[2]一种基于多波段距离加权的遥感影像时空融合方法及其在洪水监测中的应用[J]. 章欣欣,栾海军,潘火平.  自然灾害学报. 2015(06)
[3]基于改进的ESTARFM数据融合方法研究[J]. 黄永喜,李晓松,吴炳方,董泰锋.  遥感技术与应用. 2013(05)
[4]基于半方差函数的STARFM改进模型[J]. 王昆,张丽,王志勇,田丰.  测绘科学. 2013(03)
[5]植被物候遥感监测研究进展[J]. 夏传福,李静,柳钦火.  遥感学报. 2013(01)
[6]融合MODIS与Landsat数据生成高时间分辨率Landsat数据[J]. 邬明权,王洁,牛铮,赵永清,王长耀.  红外与毫米波学报. 2012(01)
[7]基于GPU的遥感图像配准并行程序设计与存储优化[J]. 周海芳,赵进.  计算机研究与发展. 2012(S1)
[8]南方丘陵山区典型地物景观特征尺度研究[J]. 邱炳文,随银坡,陈崇成.  自然资源学报. 2010(11)
[9]基于数据融合的浅层地下水提取技术研究[J]. 于德浩,龙凡,方洪宾,韩天成.  国土资源遥感. 2010(03)
[10]遥感物候学研究进展[J]. 陈效逑,王林海.  地理科学进展. 2009(01)



本文编号：3012199